CN116880356A - 数控机床加工状态监测方法及装置 - Google Patents
数控机床加工状态监测方法及装置 Download PDFInfo
- Publication number
- CN116880356A CN116880356A CN202310802857.4A CN202310802857A CN116880356A CN 116880356 A CN116880356 A CN 116880356A CN 202310802857 A CN202310802857 A CN 202310802857A CN 116880356 A CN116880356 A CN 116880356A
- Authority
- CN
- China
- Prior art keywords
- cutter
- numerical control
- monitoring
- control machine
- contour error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003754 machining Methods 0.000 title claims description 23
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000033001 locomotion Effects 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000000280 densification Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 5
- 239000000243 solution Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 241000700605 Viruses Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34242—For measurement only
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及一种数控机床加工状态监测方法及装置，其方法包括：获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和电流信号；对电流信号进行相位角分析，得到监测时刻的电流相位角序列；基于监测时刻的电流相位角序列，获得数控机床中刀具的运动阶段；对刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置；分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差；利用刀具预测位置的轮廓误差对刀具位置的轮廓误差进行监测，得到监测结果。本发明解决数控机床在对工件进行加工时，无法对数控机床的加工状态进行无打扰地监测的问题。
Description
技术领域
本发明涉及数控机床监测技术领域，尤其涉及一种数控机床加工状态监测方法及装置。
背景技术
机床推动着现代工业的发展和进步。随着计算机技术的发展，数控(NumericalControl，NC)技术的应用彻底改变了机床的操作和性能，使其更加精确高效，显著提升了生产效率和质量。在工业互联网时代，各种设备和系统通过网络相互连接，实现了供需双方的无缝衔接，促进了生产与消费需求的紧密融合。作为工业互联网的核心组成部分，数控机床在这个生态系统中扮演着至关重要的角色。
然而，数控系统的关键性也使其面临着工业病毒和网络攻击带来的严重风险。近年来，工控系统不断遭受到攻击。工控系统网络应急响应组织(ICS-CERT)报告显示，工控系统安全事件的数量不断增长。数控系统的安全性成为了迫切需要解决的难题。工业病毒和网络攻击可能导致生产中断、泄露敏感信息、机床损坏甚至人员伤害，给企业的正常运营、商业机密和人员财产安全带来巨大风险。因此，保护数控系统的安全性和稳定性，加强信息安全意识和措施的落实变得尤为重要。
请一并参阅图1，采用精度更高的伺服电机的数控机床(Computerized NumericalControl，CNC)在加工过程中，异常注入脚本对数控机床中系统内部的NC代码进行篡改，如篡改数控机床中的原始NC代码中N1650至N1900代码块的内容，向x轴的坐标注入1mm的异常，造成数控机床进行加工的轨迹偏离，使得加工工件的尺寸精度异常、位置精度异常以及形状精度异常工件质量降低。目前，采用摄像头等图像传感器或如光栅尺和编码器的位置传感器进行监测；然而，如摄像头等图像传感器在数控机床进行切屑的影响下，难以保证监测的精度和质量；同时，如光栅尺和编码器的位置传感器，需要破坏机床本体进行安装，对安装要求较高，无法对数控机床的加工状态进行无打扰地监测。
发明内容
本发明提供一种数控机床加工状态监测方法及装置，用以解决数控机床在对工件进行加工时，无法对数控机床的加工状态进行无打扰地监测的问题。
本发明提供一种数控机床加工状态监测方法，包括：
获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号；
对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列；
基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段；
利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置；
分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差；
利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
根据本发明提供的一种数控机床加工状态监测方法，获取数控机床中对数控代码文件处理后的白名单轨迹曲线，包括：
获取数控机床中的数控代码文件；
对所述数控代码文件进行词法分析和语法分析，得到词法和语法均正确的数控代码文件；
解析所述词法和语法均正确的数控代码文件，得到期望轨迹点坐标；
采用数据采样插补算法，对期望轨迹点坐标进行数据密化处理后，得到多个期望轨迹坐标；
根据多个列期望轨迹坐标，生成白名单轨迹曲线。
根据本发明提供的一种数控机床加工状态监测方法，获取监测时刻的刀具预测位置，包括：
获取监测时刻前若干个周期的刀具位置；
将监测时刻前若干个周期的刀具位置输入预设目标模型中，获取监测时刻的刀具预测位置；
其中，预设目标模型基于历史时刻前若干个周期的刀具位置作为基础模型的输入，历史时刻的刀具位置作为输出训练得到。
根据本发明提供的一种数控机床加工状态监测方法，对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列的步骤之前，还包括：
利用低通滤波器，对所述电流信号进行去噪和滤波处理，得到处理后的电流信号。
根据本发明提供的一种数控机床加工状态监测方法，分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差，包括：
利用迭代方法，寻找所述白名单轨迹曲线上距离到所述刀具位置和刀具预测位置最短的位置点；
计算刀具位置到所述最短的位置点的距离，得到刀具位置的轮廓误差；
计算刀具预测位置到所述最短的位置点的距离，得到刀具预测位置的轮廓误差。
根据本发明提供的一种数控机床加工状态监测方法，利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果，包括：
所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测；
若所述刀具预测位置的轮廓误差大于所述刀具位置的轮廓误差，则得出加工状态正常的监测结果；
若所述刀具预测位置的轮廓误差小于或等于所述刀具位置的轮廓误差，则得出加工状态异常的监测结果。
本发明还提供一种数控机床加工状态监测装置，包括：
获取模块，用于获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号；
电流分析模块，用于对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列；
运动阶段获得模块，用于基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段；
估计模块，用于利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置；
距离计算模块，用于分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差；
判断模块，用于利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
根据本发明提供的数控机床加工状态监测装置，所述获取模块用于获取数控机床中对数控代码文件处理后的白名单轨迹曲线，包括：
获取数控机床中的数控代码文件；
对所述数控代码文件进行词法分析和语法分析，得到词法和语法均正确的数控代码文件；
解析所述词法和语法均正确的数控代码文件，得到期望轨迹点坐标；
采用数据采样插补算法，对期望轨迹点坐标进行数据密化处理后，得到多个期望轨迹坐标；
根据多个列期望轨迹坐标，生成白名单轨迹曲线。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述数控机床加工状态监测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述数控机床加工状态监测方法。
本发明提供的数控机床加工状态监测方法及装置，通过获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号后，通过对将电流信号进行处理后，得出数控机床中的刀具位置，进而分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差，再利用刀具预测位置的轮廓误差对刀具位置的轮廓误差进行监测，得到监测结果，从而实现对数控机床加工状态进行无打扰地监测，进而能够监测出数控机床对工件的加工状态，以保证工件的尺寸、形状和位置的精度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是数控机床中的原始NC代码被异常注入代码的示意图。
图2本发明提供的数控机床加工状态监测方法的流程示意图。
图3是本发明提供的数控机床加工状态监测装置的结构示意图。
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图2描述本发明的一种数控机床加工状态监测方法，包括：
S1、获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号。
本实施例中，通过获取数控机床中的数控代码文件后，随数控代码文件进行预处理后，得到白名单轨迹曲线。
同时，通过获取监测时刻前若干个周期的刀具位置。将监测时刻前若干个周期的刀具位置输入预设目标模型中，从而获取监测时刻的刀具预测位置。
并且，NC代码(数控代码)中包含刀具轨迹信息和工艺参数等加工信息u，如曲线类型、加工速度信息(F代码)和其他辅助信息(M、S、T代码)等。加工信息u在数控机床的系统中经过插补后，最终形成发向执行器的控制命令y。伺服驱动器按照控制命令y带动伺服电机执行相应的动作，从而改变加工过程的物理状态s＝[d，v，p，r]。其中d＝[dx，dy，dz]，di∈{x，y，z}∈{0，1}代表了各个进给轴的运动方向，d＝0代表该进给轴向坐标原点方向运动，d＝1代表进给轴向远离坐标原点的方向运动。v＝[vx，vy，vz]，vi∈{x，y，z}∈R≥0代表了各个进给轴的运动速度。p＝[px，py，pz]，pi∈{x，y，z}∈R≥0代表了各个进给轴的位置。在数控加工的过程中会产生侧信道信号，本发明先将AC/DC电流探头装夹在伺服驱动器与伺服电机之间的动力线上，采集进给轴电机U-V-W三相交流电的瞬时值，利用相电流采集模块采集监测时刻伺服电机三相动力线上的相电流：
进而获得监测时刻的电流信号。
S2、对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列。
具体地，对于每一个进给轴的电流信号(相电流)进行分析，首先建立电机坐标系，以三相静止坐标系中的a轴作为xc轴，其正交方向作为yc轴，建立两相静止坐标系。然后根据t时刻的相电流测量值，计算t时刻(监测时刻)三相电流矢量的相位角anglet。见式(1)和式(2)：
S3、基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段。具体地，实时采样和计算得到电流相位角序列A＝[angle1，angle2，...，anglet]，代入预设功耗与轨迹关联模型中；判断监测时刻数控机床中刀具的运动阶段，其中运动阶段包括：加速启动、平稳运行、减速制动。其中，预设功耗与轨迹关联模型的内容包括：计算t时刻(历史时刻)相位角序列的变化率s＝|anglet-anglet-1|，如果变化率s大于预设的阈值ε，则判定当前为加速启动阶段或减速制动阶段，否则判定当前为平稳运行阶段。
S4、利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置。
S5、分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差。
S6、利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
本发明通过获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号后，通过对将电流信号进行处理后，得出数控机床中的刀具位置，进而分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差，再利用刀具预测位置的轮廓误差对刀具位置的轮廓误差进行监测，得到监测结果，实现对数控机床加工状态进行无打扰地监测，进而能够监测出数控机床对工件的加工状态，以保证工件的尺寸、形状和位置的精度。
在以上实施例的基础上，获取数控机床中对数控代码文件处理后的白名单轨迹曲线，包括：
获取数控机床中的数控代码文件。
对所述数控代码文件进行词法分析和语法分析，得到词法和语法均正确的数控代码文件。
解析所述词法和语法均正确的数控代码文件，得到期望轨迹点坐标。其中，在解析所述词法和语法均正确的数控代码文件时，不仅得到期望轨迹点坐标，还能够解析到运动速度等。
采用数据采样插补算法，对期望轨迹点坐标进行数据密化处理后，得到多个列期望轨迹坐标；
根据多个列期望轨迹坐标，生成白名单轨迹曲线。
本发明通过获取数控机床中的数控代码文件后，对词法和语法均正确的数控代码文件进行解析，从而得到期望轨迹点坐标，对期望轨迹点坐标进行数据密化处理后，得到多个期望轨迹坐标，根据白名单轨迹曲线进而得到标准的白名单轨迹曲线。
将每个进给轴的加工过程分解为多个连续运动，然后分析得到一次运动的起点坐标si，终点坐标ei，反向点坐标ri，一次运动的曲线方程。见式(1)至式(4)：
si＝[xsi，ysi，zsi] (1)；
ei＝[xei，yei，zei] (2)；
ri＝[xri，yri，zri] (3)；
式中，ts表示一段轨迹的起点时刻，te表示表示轨迹的终点时刻，ux(t)表示t时刻在X方向上所处的位置，uy(t)表示t时刻在Y方向上所处的位置，uz(t)表示t时刻在Z方向上所处的位置。
在以上实施例的基础上，获取监测时刻的刀具预测位置，包括：
获取监测时刻前若干个周期的刀具位置。
将监测时刻前若干个周期的刀具位置输入预设目标模型中，获取监测时刻的刀具预测位置。
其中，预设目标模型基于历史时刻前若干个周期的刀具位置作为基础模型的输入，历史时刻的刀具位置作为输出训练得到。
具体地，在进行基础模型训练时，首先使用AC/DC电流探头采集进给轴电机U-V-W三相交流电的瞬时值。以200K/S的采样率采样得到交流电波形，并将数据采集卡采集得到的数值以CSV表格文件的形式存储在历史数据库中。然后利用历史数据库对进给系统的误差建模，得到在线检测阶段使用的合理报警阈值。本系统使用长短期记忆神经网络(LSTM)模型捕获进给系统运动指令的历史时刻前若干个周期，将历史时刻t前若干个周期ws的刀具位置Pt，其中，Pt作为LSTM模型的输入，历史时刻的刀具位置/>作为输出。训练阶段使用如下目标函数作为收敛函数进行LSTM模型的优化。见式(5)：
其中Ttrain为训练集样本个数。
训练样本加工过程中采用10种进给速度，以500mm/min为增量，遍历500-5000mm/min范围。
在以上实施例的基础上，对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列的步骤之前，还包括：
利用低通滤波器，对所述电流信号进行去噪和滤波处理，得到处理后的电流信号。从而去除数据噪声和谐波影响。
在以上实施例的基础上，分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差，包括：
利用迭代方法，寻找所述白名单轨迹曲线上距离到所述刀具位置和刀具预测位置最短的位置点。在白名单轨迹曲线上选取一个预设点，利用迭代方法，寻找所述白名单轨迹曲线上的预设点距离到所述刀具位置和刀具预测位置最短距离的点作为位置点。
计算刀具位置到所述最短的位置点的距离，得到刀具位置的轮廓误差；计算刀具预测位置到所述最短的位置点的距离，得到刀具预测位置的轮廓误差。通过分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，使得得到刀具位置的轮廓误差和刀具预测位置的轮廓误差更加的精准。
具体地，采用距离公式进行计算，见式(6)：
其中，et指轮廓误差，xq、yq、zq分别为位置点的坐标，分别为刀具位置的坐标或刀具预测位置的坐标。
在以上实施例的基础上，利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果，包括：
所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测。
若所述刀具预测位置的轮廓误差大于所述刀具位置的轮廓误差，则得出加工状态正常的监测结果。
若所述刀具预测位置的轮廓误差小于或等于所述刀具位置的轮廓误差，则得出加工状态异常的监测结果。
下面对本发明提供的数控机床加工状态监测装置进行描述，下文描述的数控机床加工状态监测装置与上文描述的数控机床加工状态监测方法可相互对应参照。
请一并参阅图3，一种数控机床加工状态监测装置，包括获取模块310、电流分析模块320、运动阶段获得模块330、估计模块340、距离计算模块350和判断模块360。
获取模块310用于获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号。
电流分析模块320用于对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列。
运动阶段获得模块330用于基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段。
估计模块340用于利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置。
距离计算模块350用于分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差。
判断模块360用于利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
本发明通过获取模块310获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号，电流分析模块320得到监测时刻的电流相位角序列，运动阶段获得模块330获得数控机床中刀具的运动阶段，估计模块340得出数控机床中的刀具位置，距离计算模块350得到刀具位置的轮廓误差和刀具预测位置的轮廓误差，从而实现对数控机床加工状态进行无打扰地监测，进而能够监测出数控机床对工件加工的尺寸、形状和位置的精度。
获取模块用于获取数控机床中对数控代码文件处理后的白名单轨迹曲线，包括：
获取数控机床中的数控代码文件。
对所述数控代码文件进行词法分析和语法分析，得到词法和语法均正确的数控代码文件。
解析所述词法和语法均正确的数控代码文件，得到期望轨迹点坐标。
采用数据采样插补算法，对期望轨迹点坐标进行数据密化处理后，得到一系列期望轨迹坐标作为白名单轨迹曲线。
获取模块310用于获取监测时刻的刀具预测位置，包括：
获取监测时刻前若干个周期的刀具位置。
将监测时刻前若干个周期的刀具位置输入预设目标模型中，获取监测时刻的刀具预测位置。
其中，预设目标模型基于历史时刻前若干个周期的刀具位置作为基础模型的输入，历史时刻的刀具位置作为输出训练得到。
电流分析模块320用于对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列的步骤之前，还包括处理模块。
处理模块用于利用低通滤波器，对所述电流信号进行去噪和滤波处理，得到处理后的电流信号。
判断模块360用于利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果，包括：
所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测。
若所述刀具预测位置的轮廓误差大于所述刀具位置的轮廓误差，则得出加工状态正常的监测结果。
若所述刀具预测位置的轮廓误差小于或等于所述刀具位置的轮廓误差，则得出加工状态异常的监测结果。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行数控机床加工状态监测方法，该方法包括：
S1、获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号。
S2、对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列。
S3、基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段。
S4、利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置。
S5、分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差。
S6、利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的数控机床加工状态监测方法，该方法包括：
S1、获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号。
S2、对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列。
S3、基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段。
S4、利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置。
S5、分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差。
S6、利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的数控机床加工状态监测方法，该方法包括：
S1、获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号。
S2、对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列。
S3、基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段。
S4、利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置。
S5、分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差。
S6、利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种数控机床加工状态监测方法，其特征在于，包括：
获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号；
对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列；
基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段；
利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置；
分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差；
利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
2.根据权利要求1所述的数控机床加工状态监测方法，其特征在于，获取数控机床中对数控代码文件处理后的白名单轨迹曲线，包括：
获取数控机床中的数控代码文件；
对所述数控代码文件进行词法分析和语法分析，得到词法和语法均正确的数控代码文件；
解析所述词法和语法均正确的数控代码文件，得到期望轨迹点坐标；
采用数据采样插补算法，对期望轨迹点坐标进行数据密化处理后，得到多个期望轨迹坐标；
根据多个列期望轨迹坐标，生成白名单轨迹曲线。
3.根据权利要求1所述的数控机床加工状态监测方法，其特征在于，获取监测时刻的刀具预测位置，包括：
获取监测时刻前若干个周期的刀具位置；
将监测时刻前若干个周期的刀具位置输入预设目标模型中，获取监测时刻的刀具预测位置；
其中，预设目标模型基于历史时刻前若干个周期的刀具位置作为基础模型的输入，历史时刻的刀具位置作为输出训练得到。
4.根据权利要求1所述的数控机床加工状态监测方法，其特征在于，对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列的步骤之前，还包括：
利用低通滤波器，对所述电流信号进行去噪和滤波处理，得到处理后的电流信号。
5.根据权利要求1所述的数控机床加工状态监测方法，其特征在于，分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差，包括：
利用迭代方法，寻找所述白名单轨迹曲线上距离到所述刀具位置和刀具预测位置最短的位置点；
计算刀具位置到所述最短的位置点的距离，得到刀具位置的轮廓误差；
计算刀具预测位置到所述最短的位置点的距离，得到刀具预测位置的轮廓误差。
6.根据权利要求1所述的数控机床加工状态监测方法，其特征在于，利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果，包括：
所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测；
若所述刀具预测位置的轮廓误差大于所述刀具位置的轮廓误差，则得出加工状态正常的监测结果；
若所述刀具预测位置的轮廓误差小于或等于所述刀具位置的轮廓误差，则得出加工状态异常的监测结果。
7.一种数控机床加工状态监测装置，其特征在于，包括：
获取模块，用于获取数控机床中对数控代码文件处理后的白名单轨迹曲线、监测时刻的刀具预测位置和监测时刻的电流信号；
电流分析模块，用于对所述电流信号进行相位角分析，得到监测时刻的电流相位角序列；
运动阶段获得模块，用于基于所述监测时刻的电流相位角序列，利用预设功耗与轨迹关联模型，获得数控机床中刀具的运动阶段；
估计模块，用于利用预设启发式规则，对所述刀具的运动阶段的位置进行估计，得出数控机床中的刀具位置；
距离计算模块，用于分别计算刀具位置和刀具预测位置到白名单轨迹曲线的最短距离，得到刀具位置的轮廓误差和刀具预测位置的轮廓误差；
判断模块，用于利用所述刀具预测位置的轮廓误差对所述刀具位置的轮廓误差进行监测，得到监测结果。
8.根据权利要求7所述的数控机床加工状态监测装置，其特征在于，所述获取模块用于获取数控机床中对数控代码文件处理后的白名单轨迹曲线，包括：
获取数控机床中的数控代码文件；
对所述数控代码文件进行词法分析和语法分析，得到词法和语法均正确的数控代码文件；
解析所述词法和语法均正确的数控代码文件，得到期望轨迹点坐标；
采用数据采样插补算法，对期望轨迹点坐标进行数据密化处理后，得到多个期望轨迹坐标；
根据多个列期望轨迹坐标，生成白名单轨迹曲线。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述数控机床加工状态监测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述数控机床加工状态监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310802857.4A CN116880356A (zh) | 2023-06-30 | 2023-06-30 | 数控机床加工状态监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310802857.4A CN116880356A (zh) | 2023-06-30 | 2023-06-30 | 数控机床加工状态监测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116880356A true CN116880356A (zh) | 2023-10-13 |
Family
ID=88269043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310802857.4A Pending CN116880356A (zh) | 2023-06-30 | 2023-06-30 | 数控机床加工状态监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116880356A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117170306A (zh) * | 2023-10-31 | 2023-12-05 | 成都飞机工业（集团）有限责任公司 | 一种刀具状态监控方法、系统、电子设备及存储介质 |
| CN117454060A (zh) * | 2023-12-22 | 2024-01-26 | 季华实验室 | 直线运动装置位置测量方法、装置、电子设备及存储介质 |
| CN117742242A (zh) * | 2023-12-26 | 2024-03-22 | 巨野县职业中等专业学校 | 一种数控机床动态调控方法和系统 |
-
2023
- 2023-06-30 CN CN202310802857.4A patent/CN116880356A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117170306A (zh) * | 2023-10-31 | 2023-12-05 | 成都飞机工业（集团）有限责任公司 | 一种刀具状态监控方法、系统、电子设备及存储介质 |
| CN117170306B (zh) * | 2023-10-31 | 2024-03-15 | 成都飞机工业（集团）有限责任公司 | 一种刀具状态监控方法、系统、电子设备及存储介质 |
| CN117454060A (zh) * | 2023-12-22 | 2024-01-26 | 季华实验室 | 直线运动装置位置测量方法、装置、电子设备及存储介质 |
| CN117454060B (zh) * | 2023-12-22 | 2024-03-19 | 季华实验室 | 直线运动装置位置测量方法、装置、电子设备及存储介质 |
| CN117742242A (zh) * | 2023-12-26 | 2024-03-22 | 巨野县职业中等专业学校 | 一种数控机床动态调控方法和系统 |
| CN117742242B (zh) * | 2023-12-26 | 2024-05-17 | 巨野县职业中等专业学校 | 一种数控机床动态调控方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116880356A (zh) | 数控机床加工状态监测方法及装置 | |
| CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
| CN102854841B (zh) | 一种曲面零件的形位误差原位补偿加工方法 | |
| CN113569903B (zh) | 数控机床刀具磨损预测方法、系统、设备、介质、终端 | |
| CN114237155B (zh) | 一种多轴数控加工的误差预测及补偿方法、系统及介质 | |
| CN108490880A (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| CN114131611B (zh) | 机器人重力位姿分解的关节误差离线补偿方法、系统及终端 | |
| CN116009480A (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
| CN114905333A (zh) | 一种基于多维数据分析的机床作业在线智能监测系统 | |
| CN115993804B (zh) | 一种基于数控机床的刀具参数调整方法及相关设备 | |
| Mou et al. | A study of tool tipping monitoring for titanium milling based on cutting vibration | |
| Wang et al. | Sensor-based recurrence analysis of energy efficiency in machining processes | |
| Dayam et al. | In-process dimension monitoring system for integration of legacy machine tools into the industry 4.0 framework | |
| US20200103845A1 (en) | Tool monitoring system and tool monitoring method | |
| CN114298098A (zh) | 一种用于误差修正的数据处理方法及装置 | |
| CN115389240A (zh) | 机器人关节检测方法、装置、计算机设备及可读存储介质 | |
| Li et al. | Linear Axial Error Signal Measurement and Processing Method of a Machine Tool for Accuracy Compensation Improvement. | |
| CN110134069B (zh) | 数控机床自诊断方法及系统 | |
| Pfaff et al. | Adaptive, predictive machine condition assessment for resilient digital solutions | |
| Mühlbauer et al. | An Approach to Progress Monitoring of Industrial Manual Processes Based on Camera Recordings and Object Interactions | |
| Chen et al. | Manufacturing | |
| CN114609970B (zh) | 数控机床轴线运动的位置监控方法、监控装置及存储介质 | |
| JP7455488B2 (ja) | 基準器の校正値の診断方法及び診断装置 | |
| CN108107836A (zh) | 一种建立针对自由曲面的加工误差模型mem的方法 | |
| Wang | Numerical control machining error compensation technology based on three-coordinate calibration |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |